FigDraw 6. SCI 文章绘图之箱线图 (Boxplot)

最新推荐文章于 2024-04-12 11:26:54 发布
最新推荐文章于 2024-04-12 11:26:54 发布
阅读量3.8k 收藏 45
点赞数 5
分类专栏： SCI 文章绘图 文章标签： 数据分析 数据挖掘 随机森林 算法 决策树
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41368414/article/details/125022690
版权

图片

点击关注，桓峰基因

桓峰基因

生物信息分析，SCI文章撰写及生物信息基础知识学习：R语言学习，perl基础编程，linux系统命令，Python遇见更好的你

109篇原创内容

公众号

桓峰基因的教程不但教您怎么使用，还会定期分析一些相关的文章，学会教程只是基础，但是如果把分析结果整合到文章里面才是目的，觉得我们这些教程还不错，并且您按照我们的教程分析出来不错的结果发了文章记得告知我们，并在文章中感谢一下我们哦！

公司英文名称：Kyoho Gene Technology (Beijing) Co.,Ltd.

如果您觉得这些确实没基础，需要专业的生信人员帮助分析，直接扫码加微信nihaoooo123，我们24小时在线！！

前两期简单介绍了 R 语言基础，比较简单粗略，然后介绍了 R 语言中表格的转换，因为现在绘图基本以及舍弃了基本绘图的方式，都会选择 ggplot2 来作图，这期SCI绘图介绍一下箱线图！

前 言

箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间

箱形图的优点

  1. 直观明了地识别数据中的异常值；

  2. 利用箱线图判断数据批的偏态和尾重。

局限性

  1. 不能精确地衡量数据分布的偏态和尾重程度；

  2. 对于批量比较大的数据，反映的信息更加模糊以及用中位数代表总体评价水平有一定的局限性

图片

基础参数

本教程介绍了如何使用 R 软件和 ggplot2 包创建箱线图。需要使用函数 geom_boxplot()。一个简化的格式是：

geom_boxplot(outlier.colour=“black”, outlier.shape=16, outlier.size=2, notch=FALSE)

outlier.colour, outlier.shape, outlier.size :离群值的颜色、形状和大小

notch：逻辑值。如果为TRUE，则制作一个带缺口的箱线图。缺口显示围绕中位数的置信区间，通常基于中位数 +/- 1.58*IQR/sqrt(n)。缺口用于比较组；如果两个框的凹口不重叠，这是中位数不同的有力证据。

1. 软件包安装

安装ggplot2即可，其他软件包为处理数据使用。

if (!require(ggplot2)) install.packages("ggplot2")

library(ggplot2)

2. 数据读取

data(mpg)
# 将class变量转变为因子变量
mpg$class = as.factor(mpg$class)
head(mpg)
## # A tibble: 6 x 11
##   manufacturer model displ  year   cyl trans      drv     cty   hwy fl    class 
##   <chr>        <chr> <dbl> <int> <int> <chr>      <chr> <int> <int> <chr> <fct> 
## 1 audi         a4      1.8  1999     4 auto(l5)   f        18    29 p     compa~
## 2 audi         a4      1.8  1999     4 manual(m5) f        21    29 p     compa~
## 3 audi         a4      2    2008     4 manual(m6) f        20    31 p     compa~
## 4 audi         a4      2    2008     4 auto(av)   f        21    30 p     compa~
## 5 audi         a4      2.8  1999     6 auto(l5)   f        16    26 p     compa~
## 6 audi         a4      2.8  1999     6 manual(m5) f        18    26 p     compa~
str(mpg)
## tibble [234 x 11] (S3: tbl_df/tbl/data.frame)
##  $ manufacturer: chr [1:234] "audi" "audi" "audi" "audi" ...
##  $ model       : chr [1:234] "a4" "a4" "a4" "a4" ...
##  $ displ       : num [1:234] 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
##  $ year        : int [1:234] 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
##  $ cyl         : int [1:234] 4 4 4 4 6 6 6 4 4 4 ...
##  $ trans       : chr [1:234] "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
##  $ drv         : chr [1:234] "f" "f" "f" "f" ...
##  $ cty         : int [1:234] 18 21 20 21 16 18 18 18 16 20 ...
##  $ hwy         : int [1:234] 29 29 31 30 26 26 27 26 25 28 ...
##  $ fl          : chr [1:234] "p" "p" "p" "p" ...
##  $ class       : Factor w/ 7 levels "2seater","compact",..: 2 2 2 2 2 2 2 2 2 2 ...

3. 简单箱线图

ggplot(mpg, aes(class, hwy)) + geom_boxplot() + theme_bw()

图片

4. 水平箱线图

水平箱线图只需要旋转坐标轴，即 + coord_flip()，如下：

ggplot(mpg, aes(class, hwy)) + geom_boxplot() + coord_flip() + theme_bw()

图片

5. 绘制有缺口的箱线图

1. 简单带有缺口的箱线图

ggplot(mpg, aes(class, hwy)) + geom_boxplot(notch = TRUE) + theme_bw()

图片

2. 修改离群值的颜色形状和大小

ggplot(mpg, aes(class, hwy)) + geom_boxplot(notch = TRUE, outlier.colour = "red",
    outlier.shape = 6, outlier.size = 3) + theme_bw()

图片

6. 将均值点加入mean

函数 stat_summary() 可用于将平均点添加到箱线图中：

ggplot(mpg, aes(class, hwy)) + geom_boxplot() + stat_summary(fun.y = mean, geom = "point",
    shape = 23, size = 4) + theme_bw()

图片

7. 选择要显示的项目

ggplot(mpg, aes(class, hwy)) + geom_boxplot() + scale_x_discrete(limits = c("compact",
    "suv", "midsize")) + theme_bw()

图片

8. 箱线图描点

可以使用函数 geom_dotplot() 或 geom_jitter() 将点添加到箱线图中。

1. geom_dotplot()

# Box plot with dot plot
ggplot(mpg, aes(class, hwy)) + geom_boxplot() + geom_dotplot(binaxis = "y", stackdir = "center",
    dotsize = 0.5) + theme_bw()

图片

2. geom_jitter()

# Box plot with jittered points 0.2 : x 方向的抖动程度
ggplot(mpg, aes(class, hwy)) + geom_boxplot() + geom_jitter(shape = 16, position = position_jitter(0.2)) +
    theme_bw()

图片

9. 按分组修改箱线图颜色

修改箱线图线的颜色,可以使用以下函数手动更改箱线图的颜色：

  1. scale_color_manual() : 使用自定义颜色

  2. scale_color_brewer() ：使用来自 RColorBrewer 包的调色板

  3. scale_color_grey() ：使用灰色调色板

边框颜色：color()

mpg$year = factor(mpg$year)
ggplot(mpg, aes(x = class, y = hwy, color = year)) + geom_boxplot() + theme_bw()

图片

更换不同的颜色

p = ggplot(mpg, aes(class, hwy, color = year)) + geom_boxplot() + theme_bw()
p1 = p + scale_color_manual(values = c("#999999", "#E69F00", "#56B4E9"))
p2 = p + scale_color_brewer(palette = "Dark2")
p3 = p + scale_color_grey() + theme_classic()

library(patchwork)
(p | p1)/(p2 | p3)

图片

修改箱线图的填充颜色

# 使用单一颜色
p4 = ggplot(mpg, aes(class, hwy)) + geom_boxplot(fill = "#A4A4A4", color = "black") +
    theme_classic()
# 根据分组填充不同的颜色
p5 = ggplot(mpg, aes(class, hwy, fill = class)) + geom_boxplot()

p4 | p5 + theme_bw()

图片

10. 修改图例位置和顺序

通过修改legend.position()改变图例的位置，包括top，bottom，none，如下：

ggplot(mpg,aes(class, hwy,fill=year))+
  geom_boxplot() + theme_bw()+
  theme(legend.position = "top") + # 修改图例位置("top/bottom/none")
  scale_x_discrete(limits = c("compact", "suv","midsize"))  # 修改图例顺序

图片

11. 多组箱线图

多组箱线图根据不同的需求可以调整颜色，描点，以及改变点的位置等操作，如下：

# Change box plot colors by groups
p1 <- ggplot(mpg, aes(x = class, y = hwy, fill = year)) + geom_boxplot() + theme_bw()

# Change the position
p2 <- ggplot(mpg, aes(x = class, y = hwy, fill = year)) + geom_boxplot(position = position_dodge(1)) +
    theme_bw()
# 描点
p3 <- ggplot(mpg, aes(x = class, y = hwy, fill = year)) + geom_boxplot(position = position_dodge(1)) +
    geom_dotplot(binaxis = "y", stackdir = "center", position = position_dodge(1)) +
    theme_bw()

p4 <- ggplot(mpg, aes(class, hwy, fill = year)) + geom_boxplot() + geom_jitter(shape = 16,
    position = position_jitter(0.5)) + theme_bw()

# 修改颜色
p5 <- ggplot(mpg, aes(class, hwy, fill = year)) + geom_boxplot() + theme_bw() + scale_fill_manual(values = c("#999999",
    "#E69F00", "#56B4E9")) 

(p1|p2)/(p3|p4)/p5

图片

12. 添加p值和显著性

这里涉及到两种两组数据比较使用的统计学方法，包括：

  1. wilcox.test(秩合检验）

  2. t.test检验

多组数据比较使用的统计学，包括：

  1. Anova分析

  2. Kruskal-Wallis检验

library(tidyverse)
library(reshape2)
library(ggpubr)
library(rstatix)
library(ggsci)
library(ggsignif)
1. 两组数据比较分析

这个我们改成使用iris数据集，读取数据，如下：

data(iris)
head(iris)
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

1. Wilcox(秩合检验）

Wilcoxon秩和检验(Wilcoxon rank sum test)用于推断计量资料或等级资料的两个独立样本所来自的两个总体分布位置是否有差别。无论两个总体分布的形状有无差别，秩和检验的目的是推断两个总体分布的位置是否有差别，这正是实践中所需要的，如要推断两个不同人群的某项指标值的大小是否有差别或哪个人群的大，可用其指标值分布的位置差别反映，而不关心其指标值分布的形状有无差别。

两样本比较的秩和检验的基本思想是：如果待比较的两样本(样本含量分别为n1及n2)来自位置相同的两个总体(即H0成立），则含量为n1的样本之实际秩和T与其理论秩和n1 (N＋1)/2之差[T- n1 (N＋1)/2]纯系抽样误差所致，故此差值一般不会很大，而差值越大的概率越小。若从现有样本中算得的T与其理论秩和相差很大，则说明从H0规定的总体中随机抽得现有样本及更极端样本的概率P很小，如小于等于检验水准a，则可拒绝H0。本篇文章将举例介绍Wilcoxon秩和检验的假设检验理论。

comparisons = list(c("versicolor", "virginica"), c("versicolor", "setosa"), c("virginica",
    "setosa"))

ggplot(iris, aes(Species, Sepal.Length, fill = Species)) + geom_boxplot() + geom_jitter(shape = 16,
    size = 2, position = position_jitter(0.2)) + geom_signif(comparisons = comparisons,
    map_signif_level = T, textsize = 6, test = wilcox.test, step_increase = 0.2) +
    guides(fill = FALSE) + xlab(NULL) + theme_classic()

图片

2. T检验

t检验，亦称student t检验（Student’s t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。[1] t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。

ggplot(iris, aes(Species, Sepal.Length, fill = Species)) + geom_boxplot() + scale_fill_jco() +
    geom_jitter(shape = 16, size = 2, position = position_jitter(0.2)) + geom_signif(comparisons = list(c("versicolor",
    "virginica"), c("versicolor", "setosa"), c("virginica", "setosa")), map_signif_level = T,
    textsize = 6, test = t.test, step_increase = 0.2) + guides(fill = F) + xlab(NULL) +
    theme_classic()

图片

2. 多组数据比较分析

1. Anova分析

方差分析是英国统计学家R.A.Fisher提出的对两个或多个样本平均数差异显著性检验的方法。它的基本思想是将测量数据的总变异（即总方差）按照变异来源分为处理（组间）效应和误差（组内）效应，并作出其数量估计，从而确定实验处理对研究结果影响力的大小。方差分析的步骤为：总平方和分解、总自由度分解和F检验。若F检验显著，则可以进行多重比较，从而发现哪些处理具有两两间的差异。

ggplot(iris, aes(Species, Sepal.Length, fill = Species)) + geom_boxplot() + scale_fill_jco() +
    geom_jitter(shape = 16, size = 2, position = position_jitter(0.2)) + stat_compare_means(method = "anova") +
    theme_bw()

图片

2. Kruskal-Wallis检验

我们在做方差分析时，数据是需要满足正态性和方差齐性两个条件的，而在我们的实际工作中经常碰到数据是偏态分布的、多个组中有一组或者几组数据的方差太大或者太小、观察的数据是有序分类变量等情况，因此方差分析分析并不适合，需要采用非参数检验的方法，这时我们可以采用Kruskal-Wallis检验。Kruskal-Wallis检验的思想是把n组样本混合起来成为一个数据集（即假设他们是来自同一个样本）,然后将数据从小到大编秩，每个数据在混合数据集中都有自己的秩；如果顺序位数相同，则取平均值作为秩。再然后求各组的平均秩次，如果这n组数据来自同一个样本，则应该各组的秩次和混合数据的总平均秩次相差不大，如果差异很大的话，则说明各组不是来自同一个总体。

ggplot(iris, aes(Species, Sepal.Length, fill = Species)) + geom_boxplot() + scale_fill_jco() +
    geom_jitter(shape = 16, size = 2, position = position_jitter(0.2)) + stat_compare_means() +
    theme_bw()

图片

13. 多组数据进行分面

当我们分析数据时，需要把每个变量分割出来，仔细观察时，就需要进行分面。分面常用函数facet_grid()，即可实现。

1. 添加P值

我们可以对每组变量不同分类的差距进行P值的绘制，如下：

iris %>% melt() %>%
  ggplot(aes(variable,value,fill=Species)) + 
  geom_boxplot()+
  scale_fill_jco()+
  stat_compare_means(label = "p.format")+
  facet_grid(.~variable,scales = "free",space="free_x")+
  theme_bw()+theme(axis.text.x = element_blank())

图片

2. 添加显著性

同样，我们也可以对每个变量的不同分组的显著性进行绘制，如下：

iris %>% melt() %>%
ggplot(aes(variable,value,fill=Species)) + 
  geom_boxplot()+
  scale_fill_jco()+
  stat_compare_means(label =  "p.signif", label.x = 1.5)+
  facet_grid(.~variable,scales = "free",space="free_x")+
  theme_bw()+theme(axis.text.x = element_blank())

图片

总结了这么多，是否对Boxplot怎么搞清晰多了，文章中可能出现的图形都已经包含在细节中，您细品，仔细品就豁然开朗了！！

桓峰基因
关注
专栏目录
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（输出多个分组、色彩配置、添加数据点）实战
data+scenario+science+insight
10-07 2445
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（输出多个分组、色彩配置、添加数据点）实战 目录 R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（输出多个分组、色彩配置、添加数据点）实战 #箱图如何衡量数值是否为离群值？ #仿真数据 #geom_boxplot函数的基本语法 #geom_boxplot函数绘制基础分组箱图（输出多个分组、色彩配置、添加数据点） #箱图如何衡量数值是否为离群值？ 假设下四分位值为Q1，上四分位数值
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（分组箱体框颜色自定义配置）实战
最新发布
statistics+insight+vista+power
08-21 77
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（分组箱体框颜色自定义配置）实战
这样画箱线图，为你的SCI论文增色！
2301_77413856的博客
04-12 1598
在论文撰写中，图表的清晰和吸引人的展示方式是至关重要的。箱线图（Whisker Plot）是一种展示数据分布的经典工具，它不仅可以清楚地显示数据的中心趋势、散布和异常值，还能以视觉上吸引人的方式呈现这些信息。尤其是在撰写SCI论文时，如何通过图表清晰地传达研究结果，不仅能帮助同行专家快速理解研究的核心发现，也能增强论文的吸引力，从而提高被引频次。但是，传统的箱线图往往显得单调乏味，不足以突出研究的重要性。包添加点图层，以展示数据点的分布情况，其中包括点的位置调整和宽度设置。: 添加箱线图层，其中。
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组水平箱图（boxplot）实战
data+scenario+science+insight
12-24 895
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组水平箱图（boxplot）实战 目录 R语言使用ggplot2包使用geom_boxplot函数绘制基础分组水平箱图（boxplot）实战 #箱图如何衡量数值是否为离群值？ #仿真数据 #geom_boxplot函数的基本语法 #geom_boxplot函数绘制基础分组水平箱图（boxplot） #箱图如何衡量数值是否为离群值？ 假设下四分位值为Q1，上四分位数值为Q3，四分位距为IQR(其中IQR=Q3.
【跟着SCI学作图】Matplotlib boxplot绘制箱线图
HMXNX的博客
04-12 1389
【跟着SCI学作图】Matplotlib boxplot绘制箱线图
FigDraw 7. SCI 文章绘图之折线图 (Lineplot)
weixin_41368414的博客
05-29 7155
FigDraw 7. SCI 文章绘图之折线图 (Lineplot) SCI 文章绘图之折线图 (Lineplot)，全网总结最全面的折线图画法！！！
ggpubr——绘制各种SCI发表级箱图
xianyulianxiti的博客
04-13 2061
上次我们给大家介绍了用R的ggpubr包绘制各种散点图，今天我们继续学习ggpubr包绘制各种SCI发表级箱图。 library(ggpubr) library(patchwork)#如果没有安装要先安装 set.seed(123)#设种子数 首先生成一个随机的数据集，该数据集有300个观测，3个变量(分别是A,sex,smokestatus）dataset=data.frame(A=c(rnorm(150,12,2), rnorm(150, 6,1)), sex=sample
Python使用plt.boxplot() 参数绘制箱线图
12-17
Python中的matplotlib库是数据可视化的重要工具，特别是其pyplot模块中的`plt.boxplot()`函数，用于绘制箱线图。箱线图是一种展示一组数据分布情况的统计图表，它能够直观地展示数据的中位数、四分位数、异常值等...
multiple_boxplot.m:分组箱线图 matlb 绘图函数-matlab开发
05-30
该箱线图功能绘制分组的箱线，以进行更高级的统计分析。 特征： - 在每个箱线图中支持不同数量的数据- 支持任意数量的组和每组的箱线图-Xlabel 和 boxplotlabel 支持- 自动选择颜色或用户指定的颜色使用示例： 清除...
基于Matlab的boxplot函数进行结果箱线图可视化.txt
12-06
本资源包含基于Matlab的boxplot函数进行结果箱线图可视化经典例程源码。 包含 实例1：创建一个表示车辆每加仑英里数(MPG)数据的箱线图 实例2：为多个分组数据创建箱线图 实例3：随机生成数据并创建带缺口的箱线图 ...
python绘制箱线图boxplot()
热门推荐
小朱小朱绝不认输的博客
11-20 5万+
最近在处理数据时，需要使用python绘制箱线图。 1. 箱线图 箱线图（Box-plot）又称为盒式图或箱型图，是一种用来显示一组数据分散情况的统计图，它能显示一组数据的上界、下界、中位数、上下四分位数以及异常值等。 四分位数：就是把一组数据按照从小到大的顺序进行排列，然后分成四等份，处于三个分割点位置的数字就是四分位数； 第一四分位数（q1）:又称“较小四分位数”或“下四分位数”，等于该样本中所有数值由小到大排列后第25%的数字，q1的位置 = 1+(n-1)x 0.25； 第二四分位数（q2）:又
复现SCI文章：配对连线、散点箱线图
qq_42090739的博客
02-24 708
当然还有很多细节问题，能让你学到ggplot2作图技巧和处理方式，相关注释代码及数据已上传群文件！），但是有一个细节没有处理，那就是使用抖动点。这次的复现让你加深印象，帮助对同类图形作图的理解。今天我们要复现的是一篇SCI文章的配对连线箱线图，配对箱线图、或者说配对连线图我们之前有写过（效果很好，可以应用到配对数据的可视化和分析。第三步，抖动点和连线设置一致的位置，就完成了。
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（分组箱体框颜色调色板配置）实战
data+scenario+science+insight
01-15 652
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（分组箱体框颜色调色板配置）实战 目录 R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（分组箱体框颜色调色板配置）实战 #箱图如何衡量数值是否为离群值？ #仿真数据 #geom_boxplot函数的基本语法 #geom_boxplot函数绘制基础分组箱图（分组箱体框颜色调色板配置） #箱图如何衡量数值是否为离群值？ 假设下四分位值为Q1，上四分位数值为Q3，四分位距为IQR(
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（配置数据点抖动显示jitter）实战
data+scenario+science+insight
03-26 780
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（配置数据点抖动显示jitter）实战 目录 R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图（配置数据点抖动显示jitter）实战 #箱图如何衡量数值是否为离群值？ #仿真数据 #geom_boxplot函数的基本语法 #geom_boxplot函数绘制基础分组箱图（配置数据点抖动显示jitter） #箱图如何衡量数值是否为离群值？ 假设下四分位值为Q1，上四分位数值为Q3，
【Bioinfo Blog 002】【R Code 002】【ggplot2 001】geom_boxplot
10’s Blog
11-15 239
Introduction boxplot代码记录 最近发现一个超好用的ggplot2辅助工具包：ggThemeAssist 用shiny交互式的生成想要的样式，一键输出theme的代码，超级超级好用！ 放心把ggplot出的图赋值后交给他吧！ ggThemeAssistGadget(p6) 还有ggsci，我不允许有人不知道它！The Simpsons的调色板莫名好看！！教你用科学杂志喜欢的配色作图——R包ggsci R Code library(ggplot2) library(ggsci) libr
ggplot中geom_boxplot绘制并列分组箱线图
chengdehe的博客
03-10 1万+
ggplot中geom_boxplot绘制并列分组箱线图 #*转变因子的一部最重要* setwd("。。。。。") data1 <- read.table("clipboard",header=T,sep='\t') ####转变为因子，才会显示分组 data1$dot<-as.factor(data1$dot) data1$tw_ns<-as.factor(data1$tw_...
r语言分组箱线图boxplot
08-18
你可以使用R语言中的基本绘图函数`boxplot()`来创建分组箱线图。下面是一个简单的例子： 假设你有一个数据集`data`，其中包含了两个组的数值数据。你可以使用以下代码绘制分组箱线图： ```R # 创建示例数据 group1 <- c(1, 2, 3, 4, 5) group2 <- c(2, 4, 6, 8, 10) data <- data.frame(Group = rep(c("Group 1", "Group 2"), each = 5), Value = c(group1, group2)) # 绘制分组箱线图 boxplot(Value ~ Group, data = data, xlab = "Group", ylab = "Value", main = "Grouped Boxplot") ``` 上述代码中，我们首先创建了两个组的数据`group1`和`group2`，然后将它们合并到一个数据框`data`中，并添加了一个名为"Group"的分组变量。接下来，使用`boxplot()`函数，将数值变量`Value`与分组变量`Group`进行绘制。`xlab`参数用于设置x轴标签，`ylab`参数用于设置y轴标签，`main`参数用于设置图表标题。 运行以上代码，你将得到一个分组箱线图，其中每个箱子表示一个组，箱子内的水平线表示中位数，箱子的上下边界表示上下四分位数（Q3和Q1），而箱子的上下须表示数据的范围。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值